基于特征融合的中文事件抽取方法

    公开(公告)号:CN114780677A

    公开(公告)日:2022-07-22

    申请号:CN202210354653.4

    申请日:2022-04-06

    Abstract: 本发明公开了一种基于特征融合的中文事件抽取方法,步骤为:1)构建中文事件抽取网络BERT‑FF;2)构建训练数据集;3)下载预训练参数文件并利用对比学习方法进行优化;4)利用迁移学习的方法,在字级别特征提取网络中加载优化后的预训练参数文件;5)利用训练数据集进行训练,得到训练好的中文事件抽取网络BERT‑FF;6)从开放网络中爬取描述事件的文本,作为测试数据集输入到训练好的中文事件抽取网络BERT‑FF中进行事件抽取,输出结构化的事件信息,即事件抽取的结果。本发明通过特征融合方法增强了模型的语义表示能力,提升了中文事件抽取的性能,可用于新闻舆情分析、情报处理、金融风险评估等领域。

    一种改进训练方式的BERT短文本情感分析方法

    公开(公告)号:CN114757182A

    公开(公告)日:2022-07-15

    申请号:CN202210354141.8

    申请日:2022-04-06

    Abstract: 一种改进训练方式的BERT短文本情感分析方法,构建短文本情感分析模型,包括输入层、语义特征提取层、池化层、全连接层和分类输出层;采集数据集并预处理;在输入层编码得到输入文本的词向量表示;在词向量中添加扰动得到对抗样本;语义特征提取层基于BERT模型,对对抗样本进行语义特征提取,输出特征向量;经池化层、全连接层后,利用Softmax进行归一化处理从而得到最终的情感极性分类结果;本发明采用对抗训练方式训练该短文本情感分析模型,解决了因中文一词多义、网络新词等造成的情感错分,以及传统模型无法在提取上下文信息的同时提取局部关键信息的问题,增强了模型鲁棒性,同时缓解了模型训练效率差、模型性能退化的问题。

    基于改进YOLOv3算法的红外车辆快速检测方法

    公开(公告)号:CN113705423A

    公开(公告)日:2021-11-26

    申请号:CN202110980114.7

    申请日:2021-08-25

    Abstract: 本发明公开了一种基于改进YOLOv3算法的红外车辆快速检测方法。主要解决现有技术对红外车辆检测准确率低和实时性差的问题。其方案是:采集交通道路上的车辆视频进行预处理,得到红外车辆图像数据集;通过对现有YOLOv3算法中的主干特征提取网络和预测网络进行改进,得到新的网络模型ConvDarknet19‑YOLOv3;将红外车辆图像数据集中划分出的训练集输入到该模型中,采用小批次随机梯度下降法对其训练,得到训练好的红外车辆检测模型;用红外热成像设备实时采集交通道路上的红外车辆视频,按帧送入已经训练好的模型中,得到车辆的实时位置和置信度。本发明检测准确率高,检测速度快,可用于自动驾驶和智能交通管理。

    脉冲多普勒雷达多目标回波中频信号模拟系统及方法

    公开(公告)号:CN113433519A

    公开(公告)日:2021-09-24

    申请号:CN202110924711.8

    申请日:2021-08-12

    Abstract: 本发明提出了脉冲多普勒雷达多目标回波信号模拟系统及方法,解决了雷达回波信号模拟依赖复杂高速电路、参数调整不精确的问题。系统中的噪声和调频脉冲回波产生模块输出均连至顶层输出模块;最终输出信号为脉冲多普勒雷达多目标中频回波信号。方法包括构建模拟系统软件框架;选择不移植子单元;对必需移植子单元移植;噪声信号、调频脉冲回波信号及多目标回波信号产生并输出;最终输出加噪后的多目标模拟回波。本发明以软件嵌入雷达可编程平台,不需外部复杂电路,模块化设计便于移植和二次开发。软件结构简单、参数易调整、易于精确数字化分析,降低了硬件成本和现场测试风险,适合雷达模拟系统验证、对抗干扰测试等。

    基于剪枝卷积神经网络的目标检测方法

    公开(公告)号:CN112734036A

    公开(公告)日:2021-04-30

    申请号:CN202110047589.0

    申请日:2021-01-14

    Abstract: 本发明公开了一种基于剪枝卷积神经网络的目标检测方法,主要解决现有目标检测方法中卷积神经网络复杂带来的检测速度慢和检测目标精度差的问题。本发明的具体步骤如下:(1)对卷积神经网络进行敏感度分析;(2)生成剪枝序列;(3)对网络进行剪枝;(4)选择修剪后目标检测卷积神经网络;(5)对网络进行微调;(6)对目标进行检测。本发明通过多次分层剪枝,选择最优的修剪后目标检测卷积神经网络,克服了现有目标检测方法中卷积神经网络复杂、速度不快和检测目标精度差的问题,使得本发明不仅检测精度高,也能够实时检测目标。

    一种FourQ椭圆曲线上KP运算的硬件实现方法

    公开(公告)号:CN107425974B

    公开(公告)日:2021-03-23

    申请号:CN201710351975.2

    申请日:2017-05-18

    Abstract: 本发明提出了一种FourQ椭圆曲线上KP运算的硬件实现方法,用于实现FourQ椭圆曲线上的KP运算,并且降低椭圆曲线的KP运算在硬件实现过程中的复杂度,实现步骤为:选择FourQ椭圆曲线上的基点P(x,y)和KP运算标量K;构建FourQ椭圆曲线上的同态运算ψ(P)、φ(P)和ψ(φ(P));构建FourQ椭圆曲线上预存储索引表;对KP运算标量K进行分解;构建FourQ椭圆曲线上的点加运算和倍点运算;在FourQ椭圆曲线上搭建KP运算的硬件架构。本发明的系统资源不受限制,且安全性高,可用于数字签名和密钥分配等椭圆曲线密码体制之上。

    基于改进型YOLOv3网络和特征融合的行人重识别方法

    公开(公告)号:CN111783576A

    公开(公告)日:2020-10-16

    申请号:CN202010562392.6

    申请日:2020-06-18

    Abstract: 本发明公开了一种基于改进型YOLOv3网络和特征融合的行人重识别方法,主要解决现有技术在视频监控场景中对特定行人检索精度低且速度慢的问题。其方案为:1)构建行人图片数据集;2)搭建改进型YOLOv3网络;3)搭建融合全局特征和多尺度局部特征的行人重识别网络;4)利用数据集训练改进型YOLOv3网络和行人重识别网络;5)融合2)和3)训练后的这两个网络得到行人重识别系统;6)将监控视频和待检索的目标行人图片输入到行人重识别系统,对待检索目标行人进行检索,输出目标行人的重识别结果。本发明增强了对不同姿态行人的敏感度,提高了行人重识别的检索速度和精度,可用于区域安防、刑事侦查、视频监控及行为理解。

    基于云数据库的轻量级RFID群组标签认证方法

    公开(公告)号:CN106998252B

    公开(公告)日:2019-10-25

    申请号:CN201710351826.6

    申请日:2017-05-18

    Abstract: 本发明提出了一种基于云数据库的轻量级RFID群组标签认证方法,旨在解决云数据库和待认证群组标签共享密钥更新失同步的技术问题,同时提高认证的效率和准确率。实现步骤包括:(1)阅读器向待认证群组标签广播认证请求;(2)待认证群组标签做出响应,并由阅读器将该响应转发给云数据库;(3)云数据库验证阅读器和待认证群组标签身份;(4)云数据库剔除非法失效标签,并将合法标签信息发送给待认证群组标签;(5)待认证群组标签认证云数据库;(6)待认证群组标签剔除非法失效标签;(7)云数据库更新共享密钥;(8)认证后群组标签更新共享密钥,并验证密钥验证消息。本发明实现了云数据库和待认证群组标签的双向认证,安全性高。

Patent Agency Ranking